En biología computacional, la predicción de la estructura de una proteína de novo se refiere a un proceso algorítmico mediante el cual se predice la estructura terciaria de una proteína a partir de su secuencia primaria de aminoácidos. En la actualidad, algunos de los métodos más exitosos tienen una probabilidad razonable de predecir los pliegues de proteínas pequeñas de un solo dominio dentro de 1,5 Ángstroms sobre toda la estructura
La predicción de la estructura de una proteína de novo ha recibido diferentes nombres como modelado ab initio, modelado basado en física, modelado libre o también llamado modelado de novo, es útil cuando no se dispone de homólogos estructurales en bases de datos, lo que obliga a generar estructuras desde cero a través de búsquedas conformacionales y funciones de energía diseñadas específicamente para encontrar conformación de menor energía.
El diseño de novo se apoya en principios físicos y computacionales con la finalidad de generar proteínas que adopten estructuras estables y específicas.
Métodos como Rosetta, I-Tasser y FragFold hacen uso de fragmentos de varios tamaños de estructuras proteicas homólogas o no, para predecir la estructura de una proteína. El programa Rosetta desarrollado por el grupo Baker es el más exitoso en esta área. Sin embargo, solo un pequeño subconjunto de proteínas podría modelarse con alguna precisión, es decir, no es útil para predicciones generales de la estructura de proteínas. miniaturadeimagen|Estrucutura primaria y terciaria del cristal 4zut
Antecedentes Actualmente, existe una gran brecha entre las secuencias de proteínas conocidas y las estructuras de proteínas confirmadas. En 2008, solo el 1% de las secuencias en la base de datos UniProtKB tenían una estructura en el Protein Data Bank (PDB), dejando una brecha de aproximadamente cinco millones. Las técnicas experimentales, como la cristalografía de rayos X con éxito en la cristalización de aproximadamente 80,000 proteínas citosólicas, han tenido éxito limitado, especialmente con las proteínas de membrana. Ante estas limitaciones, el desarrollo de programas informáticos eficientes es considerado como la única opción viable para cerrar esta brecha entre secuencia y estructura.
Los métodos de predicción de estructura de proteínas de novo buscan predecir estructuras terciarias a partir de secuencias, basándose en principios de energía de plegamiento y/o en valores probabilísticos a partir de sus conformaciones. Aunque el modelado de novo originalmente implicaba crear estructuras sin plantillas, en las últimas dos décadas esta definición se ha ampliado mediante el uso de fragmentos, modificando estructuras proteicas existentes para conferir nuevas funciones o mayor estabilidad.
La investigación en esta área se centra en tres aspectos: representaciones simplificadas de proteínas, funciones de energía precisas y métodos eficientes de muestreo. Se muestrea el espacio de conformación para generar estructuras candidatas, guiado por funciones de puntuación y sesgos de secuencia. Luego, se seleccionan las conformaciones más similares a las nativas mediante puntuación y agrupamiento, y, en ocasiones, se ajustan con refinamiento de alta resolución. Existen dos tipos principales de funciones de puntuación: las basadas en la física, que usan modelos matemáticos de interacción molecular, y las basadas en conocimiento, que emplean modelos estadísticos de propiedades de conformaciones nativas.
Back-rub El término “Back-rub” se refiere al movimiento o mecanismo de flexibilidad conformacional en la estructura proteica mediante la rotación interna de los átomos de carbono alfa de los aminoácidos adyacentes, alterando los ángulos de enlace. Por medio de este ajuste se pueden realizar cambios sutiles en la orientación de los residuos sin causar efectos en la estructura general de la proteína. La versatilidad del “back-rub” también es utilizada en el diseño de secuencias proteicas, donde se exploran diferentes configuraciones del esqueleto buscando optimizar funciones y/o mejorar estabilidad de la proteína. Por lo que se ha empleado en el análisis de la especificidad de reconocimiento molecular, prediciendo la afinidad entre proteínas y ligandos mediante el ajuste dinámico de sus estructuras en función de la interacción.
Aunque el “Back-rub” representa una herramienta importante en el diseño de proteínas, presenta limitaciones, donde la flexibilidad estructural podría complicar la simulación en proteínas de gran tamaño o cuando existan mutaciones múltiples. Ante tal situación, existen otras restricciones para generar modelos precisos y no comprometer a la proteína.
Haces helicoidales Los haces helicoidales son un motivo estructural fundamental en el diseño de novo de proteínas debido a su estabilidad y capacidad para ensamblarse en configuraciones predictivas. Estas estructuras, formadas por hélices alfa empaquetadas, ofrecen versatilidad para funciones específicas, desde la unión de ligandos hasta la catálisis. Al diseñar proteínas de novo, se emplean principios de empaquetamiento y patrones de interacción de residuos para crear haces helicoidales con topologías únicas y estables, optimizando la función deseada en aplicaciones biomédicas y biotecnológicas
Optimización de secuencias La optimización de secuencias es un paso crucial en el diseño de novo de proteínas, ya que se enfoca en identificar combinaciones de aminoácidos que aseguran la estabilidad estructural y la funcionalidad de las proteínas diseñadas. Este proceso utiliza métodos computacionales avanzados y algoritmos de optimización, como Monte Carlo y dinámica molecular, para evaluar y refinar secuencias de aminoácidos en función de su energía libre.
Es por ello, que el diseño computacional de proteínas puede definirse como un problema de optimización, ya que el usuario busca determinar una o varias secuencias de aminoácidos de baja energía que se adapten a la estructura deseada de manera estable manteniendo la función objetivo de la misma.
Estos algoritmos exploran un amplio rango de secuencias, realizando ajustes en las cadenas laterales y las interacciones específicas para minimizar la energía total de la proteína, asegurando así su plegamiento correcto y estabilidad en condiciones experimentales.
Posterior al diseño del esqueleto se selecciona los tipos de cadenas laterales de aminoácidos y conformaciones para estabilizar el esqueleto y adoptar geometrías específicas del sitio activo. El diseño de cadenas laterales puede formularse como un problema de optimización discreta al requerir una combinación de rotámeros que minimice la energía de una estructura.
Ensamblaje de proteínas El ensamblaje de secuencias en el diseño de novo de proteínas permite construir estructuras complejas a partir de módulos estructurales predefinidos, conocidos como bloques de construcción o fragmentos de proteínas. Estos bloques se ensamblan de manera específica para crear configuraciones novedosas y funcionales que mantienen estabilidad y versatilidad. En este proceso, los investigadores emplean enfoques basados en modelos computacionales que optimizan la posición y orientación de cada segmento, logrando configuraciones deseadas a nivel atómico. Este método de ensamblaje permite aprovechar combinaciones de hélices, láminas beta y bucles flexibles, ajustados para propósitos específicos, como la unión de moléculas pequeñas o la activación en cascadas de señalización celular.
El proceso de ensamblaje y optimización de estos segmentos también implica ajustar las interacciones de aminoácidos clave para asegurar un correcto plegamiento y minimizar la energía libre de la estructura final, lo que aumenta la viabilidad y la efectividad de las proteínas diseñadas.
La secuencia de aminoácidos determina la estructura terciaria de la proteína
Existen varias evidencias de que la secuencia primaria de una proteína contiene toda la información necesaria para su estructura tridimensional, sustentando la posibilidad de predicción de estructuras de novo. Primero, las proteínas con funciones distintas tienen secuencias de aminoácidos diferentes. Segundo, mutaciones en un solo aminoácido pueden llevar a enfermedades, como la distrofia muscular de Duchenne en humanos. Tercero, proteínas con funciones similares en distintas especies, como la ubiquitina, tienen secuencias similares como en Drosophila melanogaster y Homo sapiens. Finalmente, la velocidad del plegamiento sugiere que este proceso no es aleatorio y debe estar determinado por la secuencia, lo que permite su modelado.
Christian Anfinsen demostró una de las evidencias más sólidas en la década de 1950, donde la información para modelar la estructura terciaria de una proteína está en su secuencia de aminoácidos. En su experimento, desnaturalizó ribonucleasa A usando urea y un agente reductor. Al retirar estos compuestos, la proteína se replegó espontáneamente, recuperando su función, lo cual confirma que la estructura terciaria está codificada en la secuencia primaria. Sin embargo, en la célula, muchas proteínas necesitan chaperonas moleculares para plegarse correctamente, mostrando que, aunque la forma general está en la secuencia, el plegamiento adecuado puede requerir asistencia.
Requisitos de modelado de novo exitosos Los predictores del modelado de novo funcionan generando conformaciones candidatas y luego eligiendo en función de la estabilidad termodinámica y su estado energético. Los predictores exitosos toman en cuenta los siguientes factores:
1) Una función energética precisa correspondiente al estado termodinámico más estable. 2) Un método de búsqueda eficiente capaz de identificar estados de baja energía por medio de la búsqueda conformacional. 3) La capacidad de seleccionar modelos similares a los nativos a partir de estructuras señuelo
Los programas de modelación realizarán una búsqueda en el espacio tridimensional y producirán conformaciones de proteínas candidatas. Cuando una proteína se acerque a su estado nativo correctamente plegado, la entropía y la energía libre disminuirán. Los programas de novo seleccionaran las posibles candidatas con energías libres bajas, las cuales tienen más probabilidad de ser correctas que aquellas estructuras con energías libres más altas.
Sin embargo, algunos métodos de novo funcionan enumerando primero todo el espacio conformacional utilizando una representación simplificada de la estructura de una proteína y luego seleccionando las que tienen más probabilidades de ser similares a las nativas. Un ejemplo de este enfoque es el basado en la representación de pliegues de proteínas utilizando redes tetraédricas y la construcción de todos los modelos de átomos sobre todas las conformaciones posibles obtenidas utilizando la representación tetraédrica. Este enfoque se utilizó con éxito en CASP3 para predecir un plegamiento de proteína. miniaturadeimagen|Las conformaciones de proteínas correctamente plegadas (estructuras nativas) tienen energías libres más bajas que las estructuras parcialmente plegadas o primarias. Las computadoras buscan estas conformaciones porque indican un plegado correcto.
Estrategias de predicción Si una proteína de estructura terciaria conocida comparte al menos el 30% de su secuencia con un homólogo potencial de estructura indeterminada, se pueden utilizar métodos comparativos que superponen la supuesta estructura desconocida con la conocida para predecir la estructura probable de la desconocida. Sin embargo, por debajo de este umbral se utilizan otras tres clases de estrategias para determinar la posible estructura a partir de un modelo inicial: predicción de proteínas ab initio, reconocimiento de pliegues y enhebrado.